Часть 2 4 страница

Полнота учета юридически значимых явлений может быть разной. Сведе­ния такого учета несопоставимы. До 1989 г., напри­мер, админист­ративные право­на­ру­ше­ния в объеме Союза учи­тывались главным образом по МВД. В 1990 г. этот учет стал цент­рализованным (в Госком­стате), куда представляли отчетность более 35 минис­терств и ведомств, которые обладали правом ад­министративной юрисдикции. С 1992 г. в России в официальную отчетность попадают только правона­рушения, учтенные орга­на­ми внутренних дел (милицией, ГАИ, пожар­ным контролем), и судами в рамках адми­ни­с­тративного судопроизвод­ства. Админис­тративная юрисдикция других ведомств цен­тра­лизованно не учи­тывается.

2 Показатели динамики

Наиболее распространенные показатели — это абсолютный прирост или снижение (разность между последующими и преды­дущими абсолют­ными суммарными величи­на­ми), темп роста или снижения (изменения уровня ряда в процентах по сравне­нию с базовым, среднегодовой темп прироста или снижения при использовании подвижной базы. Все эти показатели подробно рас­смат­рива­лись в темах 5 и 6. Поэтому остано­вимся лишь на некото­рых осо­бен­ностях последнего показателя.

При исчислении среднегодовых темпов прироста (снижения), которые иногда назы­ва­ют средним коэффициентом роста (сниже­ния), сначала рассчитывается средний темп роста (снижения) Т_р как средняя геометрическая величина годовых темпов роста (снижения), подсчитанных по цепному правилу (пример такого расчета приведен в разделе 2 темы 6). Только после этого можно рассчитать среднегодовой темп прироста (снижения) Т_прир единственным образом:

Т_прир = Т_р – 1

при расчете среднегодового темпа роста (снижения) Т_р в единицах или

Т_прир = Т_р – 100%

при расчете среднегодового темпа роста (снижения) Т_р в процентах.

Воспользуемся этой формулой для расчета среднегодового темпа прироста (снижения) числа зарегистрированных преступлений в Сверд­ловской области в период с 1996 по 2000 гг. (исходные данные приведены в разделе 2 темы 5; расчет среднегодового темпа роста (снижения) приве­ден в разделе 2 темы 6):

Т_прир = Т_р – 100 = 106,3 – 100 = +6,3%.

В результате расчетов получили, что в среднем темп прироста числа зарегистрированных преступлений в Свердловской области в период с 2001 по 2005 гг. составил +6,3% ежегодно.

Наряду с указанными показателями для лю­бого ряда динамики, интервального и мо­мент­ного, абсолютных, относительных и средних величин мо­жет быть рассчитан сред­ний уровень ряда.

3 Выравнивание ди­намических рядов

В правовой статистике не так часто можно встретиться с плавно меняющимися или неизменными уровнями рядов дина­мики, особенно в последнее время. Рез­кие колебания показателей динамики связаны с непосле­дователь­ностью проведения правовой реформы, недостаточным право­вым обеспечением процессов переходного периода, противоре­чиво­стью действующего законодательства, формированием но­вых юридиче­ских подходов, традиционным статистическим оч­ковтирательством и многими другими причинами.

В условиях большой колеблемости показателей динамических рядов очень важно выявить три компонента динамики:

– ос­новные тенденции, выражающие долговременные изменения;

– систематические кратковременные изменения;

– несис­тематические случайные колебания.

Необходимость отделения случайного и времен­ного от устойчивого и закономерного в уровнях динамических рядов диктуется потребностями изучения основных тенденций и закономерностей развития изучаемого явления. С этой целью уров­ни рядов динамики подвергают различным математичес­ким преобразованиям, которые позволяют выявить главные из­менения уровней ряда.

Вопрос о смыкании динамических рядов имеет особую акту­альность в юридической статистике. Изменение законодательства, принципов и форм учета не позволяют дать единый динамичес­кий ряд сопоставимых показателей. Аналогичные трудности возникают при изменении единиц учета, территории и других условий сопоставимости. Чтобы выявить общую тенденцию изменения уровней динамического ряда, осуществляют их смыкание.

Для этого за 100% (за базу) принимают уровень периода, в котором имеются данные по старому и новому условиям учета, а затем проценти­руют к ней влево — уровни преступлений по старому перечню и вправо - уровни преступлений по новому перечню, получая сомкнутый ряд. После этого можно анализировать сомкнутый ди­намический ряд, который более или менее точно раскрывает ос­новную тенденцию явления в целом.

Сглаживание рядов динамики предполагает приближение их к основ­ной тенденции, к тренду, способами укрупнения интер­валов, скользящей средней, методом аналитического выравнивания (по прямой, по экспо­ненте, по параболе и т.д.) и другими методами.

Укрупнение интервалов применяют, если средние уровни по интерва­лам не позволяют увидеть тенденцию явления. Переход к расчету уровней за большие промежутки времени увеличивает длину каждого интервала (одновременно уменьшая количество интервалов), что в ряде случаев позволяет выявить тенденцию.

Скользящая средняя. В этом методе исходные уровни ряда заменяются средними величинами, которые получают из данного уровня и несколь­ких симметрично его окружающих.

Аналитическое выравнивание. Под этим понимают аппроксимацию (приближение) аналитической функцией заданного вида значений уровней ряда, аргументом которой является время.

Чаще всего при выравнивании используются линейная, параболиче­ская, экспоненциальная функции.

4 Способы расчета сезонной динамики

Сезонные колебания характерны для абсолютного большинства юриди­чески значимых явлений. Некоторые сезонные волны имеют различные сдвиги по фазе и могут находиться между собой в противофазе. В зависи­мых системах различия в сезонных колебаниях могут иметь отри­цатель­ные последствия.

Сезонные «пики» преступности в целом (некоторые виды де­яний имеют свои «пики») чаще всего падают на весну и осень, а, точнее, на март и октябрь, а «провалы» регистрируются зимой (декабрь-январь). В лет­ние месяцы (июль) уровни преступности ниже, чем весной и осенью. На кривую сезонности пре­ступности оказывает воздействие сезонная динамика других об­стоятельств: криминальных мотиваций, работоспособ­ности ми­лиции, показ полугодовых и годовых (отчетные периоды) «успе­хов» борьбы с преступностью, расслабленность правоохранитель­ных органов в начале года и т. д.

Изучать сезонность юридически значимых явлений необхо­димо для адекватной организации управленческой дея­тельности. Наиболее простой метод выявления и измере­ния сезонных колебаний — это расчет среднего уровня (средней арифметической) изучаемых явлений по месяцам за год и сопо­ставление месячных данных со средним уровнем. Это отношение уровней, выраженное в процентах, именуется индексом сезонно­сти. Он рассчитывается по формуле

,

где ИС — индекс сезонности; y_м — уровень по месяцам (реальный); — сред­ний уровень ряда за год.

Месячные данные одного года в силу многих случайностей недоста­точно надежны для выявления сезонных колебаний. По­этому статистики пользуются месячными данными за несколько лет, в основном за 3 года.

Вопросы для самопроверки

1) Что такое тренд?

2) В чем состоит главное отличие между моментными и интервальными рядами динамики?

3) Укажите основные требования, предъявляемые к анализируемым рядам динамики.

4) Какова связь между среднегодовыми темпом роста (снижения) и темпом прироста (снижения)?

5) С какой целью проводят сглаживание рядов динамики?

Тема 9. СТАТИСТИЧЕСКИЕ МЕТОДЫ ИЗУЧЕНИЯ
ВЗАИМОСВЯЗЕЙ

1 Понятие статистических взаимосвязей и причинности

Общественные явления, в том числе и юридически значи­мые, взаимосвязаны меж­ду собой, зависят друг от друга и обус­ловливают друг друга. Особая роль во взаимосвязях общественных явлений при­надлежит причинности. Эта объективно не­обхо­димая связь, в которой одно или несколько взаимосвязанных явлений, именуемых причиной (фактором), порождают другое явление, именуемое следствием (результатом), и может быть на­звана причинностью.

Среди юридических дисциплин в изучении причинно­сти дальше всего продвинулись криминология - наука о пре­ступности, ее причинах и преду­преждении и уголовное пра­во, где установление причинной связи между действием и по­следствием — необходимое условие наступления уголов­ной от­ветственности. Но вопросы причинной связи важ­ны и в адми­нистра­тивном, и в гражданском и других отраслях права.

Формы проявления взаимосвязей весьма разнообразны. В качестве двух самых общих их видов выделяют функциональную (полную) и корре­ляционную (неполную) связи. В первом случае величине факторного признака строго соответствует одно или несколько значений функции. Корреляционная связь (которую также называют неполной, или статисти­ческой) проявляется в среднем, для массовых наблюдений, когда задан­ным значениям независимой переменной соответствует некоторый ряд значений зависимой переменной. Объяснение тому - сложность взаимо­связей между анализируемыми факторами, на взаимодействие которых влияют неучтенные случайные величины. Поэтому связь между призна­ками проявляется лишь в среднем, в массе случаев. При корреляционной связи каждому значению аргумента соответствуют случайно распределен­ные в некотором интервале значения функции.

Юридические науки имеют дело, главным образом, с соци­ально-правовыми явлениями и процессами, где нет таких жестких однозначно полных и точных связей. Причинная обусловлен­ность преступления, и тем более преступности, как массового социального явления, связана с огром­ной совокупностью взаи­мозависимых обстоятельств, которые с измене­нием действия хотя бы одного из них могут изменить характер всего взаимодействия в целом. Число обстоятельств, которые влияют на совершение преступлений, достигает 450 и более.

Связь между причиной (совокупностью причин) и следствием (преступлени­ем, преступностью) многозначна и носит вероятностный ха­рак­тер. Многозначность заключается не только в том, что каждое пра­вона­рушение (и правонарушаемость в целом) есть результат дей­ствия многих причин, но и в том, что каждая причина, взаимо­действуя с тем или иным набором других причин, может порож­дать не одно, а несколько следствий, в числе которых — различ­ные виды противоправ­ного и правомерного поведения.

По направлению связи бывают прямыми (положительными), когда зависимая переменная растет с увеличением факторного признака, и обратными (отрицательными), при которых рост последнего сопро­вож­да­ется уменьшением функции.

Относительно своей аналитической формы связи бывают линей­ными и нелинейными. В первом случае между признаками в среднем проявляются соотношения прямой или обратной пропорциональности, а нелинейная взаимосвязь выражается более сложной функцией.

Существует еще одна достаточно важная характеристика связей с точки зрения взаимодействующих факторов. Если характеризуется связь двух признаков, то ее принято называть парной. Если изучаются более чем две переменные — множественной.

Указанные выше классификационные признаки наиболее часто встречаются в статистическом анализе. Но кроме перечисленных разли­чают также непосредственные, косвенные и ложные связи. В первом случае факторы взаимодействуют между собой непосредственно. Для косвенной связи характерно участие какой-то третьей переменной, которая опосредует связь между изучаемыми признаками. Ложная связь - это связь, установ­ленная формально и, как правило, подтвержденная только количественными оценками. Она не имеет под со­бой качест­венной основы или же бессмысленна.

2 Основные приемы установления взаимосвязей

В наиболее общем виде задача статистики в области изучения взаимосвязей состоит в количественной оценке их наличия и направления, а также характеристике силы и формы влияния одних факторов на другие. Для их решения она использует три группы методов:

– дисперсионный анализ;

– корреляционный анализ;

– регрессионный анализ.

Дисперсионный анализ основан на сопоставлении вариации признака-результата, вызванной изменением признаков-факторов и вариацией, внесенной случайными причинами (разброс, вызванный неучтенными факторами). В качестве характеристики вариации применя­ется дисперсия. Соотнесение дисперсий осуществляется путем вычисле­ния критерия Фишера. Применение этого вида анализа позволяет оценить наличие связи и оценить силу влияния на признак-результат нескольких факторов и их сочетания.

Задачи корреляционного анализа сводятся к измерению тесноты и направления линейной связи между варьирующими количественными признаками. Этот анализ базируется на вычислении коэффициента корре­ляции – безразмерной величины, изменяющейся в пределах от –1 до +1. Знак определяет направление связи: если коэффициент корреляции положителен, то и связь – положительная (прямая), в противном случае – связь отрицательная (обратная). Абсолютная величина коэффициента корреляции характеризует силу (тесноту) линейной связи. При значениях коэффициента корреляции, не превышающих по абсолютной величине 0,3, связь считается слабой; при значениях от 0,3 до 0,7 – средней; при значениях более 0,7 – сильной. В случае, когда абсолютное значение коэффициента корреляции примерно равно 1, связь не носит статистиче­ского характера, а является функциональной.

В случаях, когда проводится анализ взаимного влияния не двух, а большего числа факторов, то рассчитываемая величина называется коэффициентом парной корреляции, поскольку оценивает тесноту и направление линейной связи между парой признаков.

Задачи регрессионного анализа лежат в области установ­ления формы зависимости, связывающей количественный признак-результат с количественными признаками-факторами, т.е. уравнения регрессии. Анализ основан на подборе аналитической функции заданного вида, кото­рая наилучшим образом описывает зависимость результата от одного или нескольких факторов. В качестве критерия «наилучшего приближения» используется сумма квадратов отклонений фактических значений резуль­тата от его расчетных значений (метод наименьших квадратов).

В резуль­тате применения регрессионного анализа получаем уравнение регрессии, реализующее заранее определенную исследователем регрессионную модель. Регрессионный анализ позволяет проверить адекватность принятой модели, установить направление и форму зависимости результата от одного или нескольких факторов и оценить силу их влияния.

Уравнение регрессии используется для интерполяции (вычисление значений признака-результата в области определения) и экстраполяции (вычисле­ние значений признака-результата вне области определения).

Следует заметить, что традиционные методы дисперсионного, корреляционного и регрессионного анализов широко представлены в разного рода пакетах статистических программ для ЭВМ.

3 Непараметрические методы оценки связи

Для измерения связи между атрибутивными (качественными) признаками в статистике используются непараметрические методы оценки связи, к которым относятся коэффициент ассоциации К.Пирсона, коэффи­циент со­пряженности А.А.Чупрова, а также коэффициенты ранговой корреляции Спирмена и Кендэлла.

Коэффициент ассоциации К.Пирсона (КП) в плане исчис­ления - относительно простой показатель сопряженности вели­чин. Он применя­ется к вариации двух качественных признаков, распределенных по двум группам.

Коэффициент ассоциации измеряется от -1 до +1 и интер­претиру­ется так: чем ближе коэффициент к 1, тем теснее связь, положительная или отрицательная. Считается, что если КП достигает 0,3, то это свиде­тельствует о существенной связи между призна­ками.

Коэффициент взаимной сопряженности, разработанный оте­чествен­ным статистиком А.А.Чупровым (КЧ), в отличие от ко­эффициента Пирсона применяется для измерения связи между соотношением двух атрибутив­ных признаков по трем и более груп­пам.

Коэффициент А.А.Чупрова изменяется от 0 до 1. Связь считается существенной при величине КЧ = 0,3. Чем ближе его значение к единице, тем сильнее связь.

В социально-экономических исследованиях нередко встречаются ситуации, когда признак не выражается коли­чественно, однако единицы совокупности можно упорядочить. Такое упорядочение единиц совокупно­сти по значению признака называется ранжированием. Примерами могут быть ранжи­рование студентов (учеников) по способностям, любой совокупности людей по уровню образования, профессии, по способности к творчеству и т. д.

При ранжировании каждой единице совокупности присва­ивается ранг, т. е. порядковый номер. При совпадении значения признака у различных единиц им присваивается объединенный средний порядковый номер. Например, если у 5-й и 6-й единиц совокуп­нос­ти значения призна­ков одинаковы, обе получат ранг, равный (5 + 6) / 2 = 5,5.

Измерение связи между ранжированными признаками производится с помощью ран­го­вых коэффициентов корреляции Спирмена и Кендэлла. Эти методы применимы не только для качественных, но и для количест­венных показателей, особенно при ма­лом объеме совокупности, так как непараметрические методы ранговой корреляции не связаны ни с какими ограничениями относительно характера распределения приз­на­ка.

Коэффициенты Кендэлла и Спирмена изменяются от +1 до -1. Они используются как меры взаимозависимости между рядами ран­гов, а не как меры связи между самими переменными. Коэффици­енты Спирмена и Кендэлла обладают примерно одинаковыми свой­ствами, но при наличии многих рангов коэффициент Кендэлла имеет некоторые вычислительные преимущества. Оба коэффици­ента широко используются в статистике и социологии.

Особая роль в выявлении связей не только между качествен­ными, но и количественными признаками принадлежит парал­лельным статистиче­ским рядам. С одной стороны, они представляют собой относительно самостоятельный и важный метод вы­яв­ления корреляционной зависимо­сти, с другой, - с их сопос­тавления начинается расчет однофакторных, многофакторных и иных корреляций.

Параллельные ряды в этом смысле представляют собой сопо­став­ление двух и более статистических вариационных или дина­мических рядов показателей, причинно или иным способом свя­занных между собой. Они дают возможность увидеть изменения одного явления в рядах распределения или динами­ки, установить взаимосвязанное изменение двух или более явлений.

Параллельные ряды в правовой статистике применимы и для сопоставления рядов динамики преступности и рас­крываемости, преступности и выявленных правонарушителей, преступности и судимо­сти, преступности, судимости и числа зак­лю­чен­ных. Они могут свиде­тельствовать о результативности борьбы с преступностью, степени соответствия судебной прак­тики криминогенным тенденциям, месте и роли лишения сво­боды в борьбе с преступностью и т. д.

Любые показатели о юридически значимых явлениях могут быть поставлены в параллельные статистические ряды распреде­ления и динамики, если между ними существуют реальные при­чинные или иные связи. Однако обнаруженные совпадения могут быть случайными или ложными.

Вопросы для самопроверки

1) Что называют причинностью при изучении общественных явлений?

2) С какой целью проводят дисперсионный анализ?

3) Что характеризует коэффициент парной корреляции?

4) Что получают в результате проведения регрессионного анализа?

5) Какие методы применяют в статистике при измерении связи между атрибутивными признаками?

Тема 9. ПОНЯТИЕ «СТАТИСТИЧЕСКИЙ АНАЛИЗ».
ОСНОВНЫЕ ФУНКЦИИ СТАТИСТИЧЕСКОГО АНАЛИЗА

Научная обработка и анализ статистических данных — третья, завершающая стадия статистического исследования. Как заклю­чительный этап статистического исследования анализ статисти­ческих данных - это процесс изучения, сопоставления, сравнения по­лученных цифровых данных (между собой и с данными других отрас­лей социально-экономиче­ской статистики), их обобщения, истолко­вания и формулирования научных и практических выводов.

Анализ (от греч. analysis — разложение) в широком понима­нии представляет собой научный метод мысленного или реаль­ного разложе­ния, расчленения предмета, явления, процесса на составные элементы, признаки, свойства, отношения, которые затем исследуются в отдельности и во взаимосвязи в целях получения нового знания или систематиза­ции уже имеющихся знаний.

Статистический анализ в социально-правовом исследовании вклю­чает в себя расчленение изучаемого явления (процесса) на составные части, определяемые той или иной отраслью права, количественное измерение этих составных частей, установление взаимосвязей между ними и другими социальными явлениями, выявление реальных за­коно­мерностей развития явления или про­цесса. Статистический анализ в криминологическом исследовании предполагает расчленение преступно­сти, ее причин, мер пре­дупреждения и т. д. на составные элементы в целях установления и количественного измерения, взаимосвязей и закономерностей преступности и связанных с ней массовых социальных явлений и процессов.

При раскрытии понятия статистического анализа в юриди­ческой науке и практике мы вынуждены будем выходить за пре­делы устоявшегося общенаучного определения. Вы­яв­ление взаимосвязей между составными частями изучаемого явления, меж­ду ними и другими социальными процес­сами, установление об­щих закономерностей развития, строго говоря, в большей мере являются элемен­тами синтеза (от греч. synthesis — соеди­нение), чем собственно ана­лиза. Именно синтез явления в его единстве и взаимной связи путем обобщения и сведения в единое целое дан­ных, добытых анализом, помогает решить многие задачи, кото­рые традиционно относят к статистичес­кому анализу.

Статистический анализ юридически значимых показателей помогает различным отраслям юридической науки не утратить связь с социальными реалиями при выполнении ею своих четы­рех функций: описательной, объяснительной, прогностической и организационно-практической.

В описательной функции уголовного и гражданского права, криминологии и других юридических дисциплин статистический анализ играет основополагающую роль. Он позволяет получить качественно-количественную характеристику изучаемого явления, описать его состав­ные части, установить их соотношение, выя­вить различные особенности и характерные черты. Наиболее полно возможности статистического анализа используются при описа­нии преступности, административной правонарушаемости, гражданско-право­вой деликтности, а также результа­тов деятельности правоохранительных и других юридических органов, гражданс­кого и уголовного судопроизводства, исполнения наказания.

В реализации этой функции юридической науки статистичес­кий анализ применяется намного шире, чем при осуществлении иных ее назначений. Это можно рассматривать как недостаток. Качественная или количественная описательность — первая и наи­бо­лее простая ступень анализа. Неполное использование статис­тического анализа при ре­ализа­ции других функций науки чаще всего свидетельствует о слабом владении его методами. Да и само статистическое описание юридических явлений не всегда бывает системным и профессиональным.

Статистический анализ, применяемый для объяснительной функции юридической науки и практики, обладает огромным арсеналом средств, способов и методов, поз­воляющих проник­нуть вглубь изучаемого явления, выявить его внутренние и внеш­ние взаимосвязи, установить реальные тенденции и причинную базу происходящих из­менений. Объек­тивно объяснить, например, причины роста (снижения) преступности или отдельных ее видов, ее структурных сдвигов, недостаточную эффектив­ность дея­тельности уголовного и гражданского правосудия, снижение до­верия населения к милиции и т. д. — проблема непростая и кро­потливая. В реальной жизни и практике такие объяснения неред­ко носят поверхно­стный и произвольный характер. В основе снижения уровня учтенных преступлений может лежать множество самых разных причин: улучшение жизни в стране, со­вершенствование контроля за противоправ­ным пове­де­нием, не­верие населения в уголовное правосудие, недобросо­вестный учет преступлений, изменение уголовного законодательства и т. д.

Для доказательства тех или иных связей требуется проведение статистического исследования с привлечением дисперсионного, корреля­ционного или регрессионного ана­лиза. Только в этом случае выводы будут базироваться на надежной основе и принесут реальную помощь при выработке практических или теоретических решений.

Статистический анализ осуществляется на данных прошло­го и настоящего. Даже при самом правдивом описании и объяс­нении его реальных особенностей следует всегда помнить, что социально-правовая, криминологическая, деликтологическая и иная юридическая реальность чрезвычайно изменчива и дина­мична. Поэтому выводы, сделанные только на основе прошлого и настоящего, могут оказаться выводами «вчераш­него» дня. Из­бежать ошибок в определенной мере может многовариант­ный, вероятностный, но относительно надежный прогноз возможно­го развития изучаемого явления в обозримом будущем. Статисти­ческий анализ дает достаточно оснований для осуществления прогностических функций той или иной отрасли науки и практичес­кой деятельности.

Самый упрощенный метод осуществления прогноза на бли­жайшее будущее — экстраполяция статистических тенденций и закономерностей на предстоящие годы. Если эти тен­денции и закономерности выявлены объективно, то они могут дать относительно надежную базу для возмож­ных предположений. При­чем необходимо экстраполировать не только тенденции самого изучаемого явления или процесса, но и других связан­ных с ним социальных явлений, которые его обусловливают. На основе ста­тистического изу­чения аналогичных тенденций в криминологии прогно­зируется, например, не только преступность и ее виды, но и поведение отдельных лиц (индивидуальное прогнозирование).

Описание, объяснение и прогноз развития изучаемых явле­ний нужны не сами по себе, а для принятия адекватных реше­ний при подго­товке законодательных инициатив, оптимальной организации той или иной юридической деятельности, резуль­тативности работы и т. д. Это означает, что описательная, объяс­нительная и прогностическая функции юридиче­ской науки и практики должны иметь возможность влиять на законода­тельную, исполнительную, судебную власти в целях совершенствования ме­ха­низ­мов функционирования правового государства, т. е. для ре­ализа­ции организационно-практической функции юридических наук.

В практической деятельности правоохранительных и других юри­ди­ческих органов и даже в научных юридических исследованиях методы статистического анализа, к сожалению, используются не­достаточно. Нередко он ограничивается составлением сравнитель­ных таблиц для оперативных целей или иллюстраций, а до глу­бокого анализа «не доходят руки» или не хватает необходимой статистической подготовки. Это обедняет анализ, и он не прино­сит той пользы, которая потенциально в нем заложена.

Статистический анализ в его широком понимании включает в себя следующие частные методы, рассмотренные в предыдущих темах:

1) статистическая сводка и груп­пировка;

2) обобщающие величины (абсолютные, относительные, средние);

3) статистические ряды;

4) спо­собы изучения взаимосвязей.

Перечисленные методы позволяют решить большинство задач, которые обычно ста­вятся перед тра­диционным статистическим анализом. Дальнейшее углубление количественного анализа возможно на основе многочисленных математических методов, применение которых требует серьезной профессиональной подготовки.

Вопросы для самопроверки

1) Какова роль статистического анализа при реализации описательной и объяснительной функций уголовного и гражданского права, криминологии и других юридических дисциплин?

2) Какие методы статистики позволяют получить объективный прогноз на ближайшее будущее?

Список литературы

Савюк Л. К. Правовая статистика: Учебник. М.: Юристъ, 2005. – 640 с.

Лунеев В. В. Юридическая статистика: Учебник. М.: Юристъ, 2004. – 392 с.

Статистика: Курс лекций / Под ред. В. Г. Ионина. Изд-во НГАЭиУ, М.: ИНФРА-М, 1999. – 310 с.

Елисеева И. И., Юзбашев М. М. Общая теория статистики: Учебник. М.: Финансы и статистика, 1996. – 368 с.

Общая теория статистики: Учебник / Под ред. А. А. Спирина, О. Э. Ба­ши­ной. М.: Финансы и статистика, 1996. – 296 с.

СОДЕРЖАНИЕ

Часть 2

Тема 4. СВОДКА И ГРУППИРОВКА МАТЕРИАЛОВ СТАТИСТИЧЕСКОГО НАБЛЮДЕНИЯ.................................................................................................. 3

1 Общее понятие о статистической сводке и группировке............................. 3

2 Виды статистических группировок.............................................................. 4

3 Понятие о статистических таблицах............................................................. 8

4 Графический способ изложения данных правовой статистики................. 11

Тема 5. АБСОЛЮТНЫЕ И ОТНОСИТЕЛЬНЫЕ ПОКАЗАТЕЛИ................. 15

Дата добавления: 2014-12-27